Распознавание режимов работы авиационного ГТД с использованием технологии нейронных сетей
Курсовой проект - Компьютеры, программирование
Другие курсовые по предмету Компьютеры, программирование
Введение
В настоящее время современный авиационный ГТД и системы управления им представляют собой сложную динамическую систему. Корректность и безопасность функционирования такого объекта требуют постоянного и непрерывного анализа его параметров. Классификация и распознавание классов состояний динамического объекта необходимы для согласования стратегии оптимального управления с состоянием объекта. Эффективность контроля состояния авиационного двигателя существенно зависит от вероятности правильного распознавания его технического состояния, которая непосредственно влияет на качество систем управления эксплуатацией ГТД, что в конечном итоге определяет экономичность и безопасность полетов.
Создание авиационных газотурбинных двигателей 5-6 поколения влечет за собой усложнение конструкции объекта и увеличение числа контролируемых параметров, анализ которых человеком - оператором сопряжен с многочисленными ошибками контроля и принятия решений.
Исследования в области создания автоматизированных систем контроля и диагностики технического состояния авиационных ГТД показывают недостаточную обоснованность применения систем, основанных только на одном из известных методов диагностирования, так как ни один из методов не является универсальным и абсолютно надежным. Естественно, что подобные системы контроля и диагностики, построенные на основе одного классификатора, не смогут в полной мере удовлетворить возрастающие требования, предъявляемые к диагностированию двигателей. Существует несколько направлений, определяющих повышение эффективности бортовых технологий контроля состояния ГТД. Основным направлением следует считать интеллектуализацию процессов обработки информации с привлечением нейросетевых методов, которые способны обеспечить повышение качества бортовых алгоритмов контроля и диагностики технического состояния ГТД.
Нейронные сети от классических методов отличает быстродействие, универсальность, гибкость в применении, а также способность к обобщению информации, высокая робастность к внешним возмущениям и способность к прогнозированию. При этом актуальной проблемой на сегодняшний день является комплексная диагностика ГТД на базе моделей нейронных сетей с прогнозом текущих ситуаций.
Цель работы
Повышение эффективности алгоритмов распознавания режимов работы ГТД с использованием технологии нейронных сетей.
Задачи исследования
Для достижения указанной цели в работе сформулированы и решены следующие задачи:
Анализ существующих методов и методик распознавания режимов работы ГТД.
Разработка методики классификации режимов работы ГТД.
Разработка программного обеспечения, реализующего методику классификации режимов работы ГТД.
Методы исследования
Поставленные в диссертационной работе задачи решались с использованием методов системного анализа, теории газотурбинных двигателей, теории идентификации, теории вероятностей и математической статистики, нейроинформатики, теории обработки данных, объектно-ориентированного программирования.
Основные научные результаты, выносимые на защиту:
Методика классификации режимов работы ГТД.
Разработанное программное обеспечение, реализующее методику классификации режимов работы ГТД.
Научная новизна результатов
На основании SADT-методологии и IDEF-технологий разработан комплекс системных моделей процесса распознавания режимов работы ГТД, что позволило выделить основной спектр функциональных задач и обоснованно сформировать требования к их реализации в составе системы распознавания.
Разработана методика распознавания режимов работы ГТД на основе нейросетевых технологий.
Разработаны нейросетевые модули, применение которых позволяет повысить эффективность распознавания режимов работы ГТД.
Структура работы. Диссертационная работа состоит из введения, трех глав, заключения, библиографического списка, приложения. В первой главе описан системный анализ предметной области, дано описание задачи классификации. Проведено описание классических методов распознавания режимов работы ГТД. Сформулирована постановка задачи.
Во второй главе проводится анализ предметной области, выявляются основные понятия и отношения между ними. Разработана функциональная модель интеллектуальной системы распознавания режимов работы ГТД, которая является основой для построения других системных моделей и разработки программного обеспечения. Функциональная модель разработана на основе технологии IDEF0.
Третья глава посвящается программной реализации разработанной системы распознавания. Описана методика использования нейросетевых технологий. Рассмотрены все основные этапы построения нейронных сетей в ПП MatLab R2009b. Также здесь представлены результаты работы нейронных сетей, и сравнение их с классическими методами распознавания режимов работы ГТД.
Глава 1. Анализ существующих методик распознавания режимов
работы газотурбинного двигателя
Задача классификации
Классификация - один из разделов машинного обучения, посвященный решению следующей задачи. Имеется множество объектов (ситуаций), разделённых некоторым образом на классы. Задано конечное множество объектов, для которых известно, к каким классам они относятся. Это множество называется обучающей выборкой. Классовая принадлежность остальных объектов не известна. Требуется построить ал